数据驱动的卫星关键部件剩余寿命预测模型

针对目前基于统计学方法对卫星及其关键部件进行剩余寿命预测时普遍存在的建模困难、预测精度不高等问题,为更快速、更精确地预测在轨运行卫星关键零部件的剩余使用寿命(RUL),选取时序数据特征提取能力较强的门控循环单元(GRU)网络构建RUL预测模型.在模型构建时,除了利用卫星遥测数据之外,还将反映卫星通信质量的统计类数据添加...     

基于深度学习的雷达辐射源识别算法

为解决雷达辐射源识别中特征提取困难、低信噪比条件下识别效率低的问题,提出了一种基于一维卷积神经网络和长短期记忆网络的深度学习智能识别算法,构建了一个CNN?LSTM网络,能实现对不同脉内调制方式雷达辐射源的端到端识别。该网络首先利用卷积层学习信号局部特征,然后将卷积层输出的结果输入长短期记忆网络,学习信号的全局特征,最终构造逻辑回归分类完成分类识别任务。仿真结果表明,该算法较单一卷积神经网络模型具有更好的识别效果,抗噪声效果更强,在-6 dB信噪比的条件下,识别的准确率仍能够达到90%以上。     

基于SE-TCN网络模型的太阳电池阵温度异常检测

针对因卫星入境数据延迟,无法快速判断太阳能电池阵温度遥测数据是否发生异常问题,提出一种SE-TCN网络模型。首先借鉴SENet中的通道注意力机制,对时间卷积网络(TCN)进行改进,提高模型的特征提取能力;其次使用SE-TCN做为特征提取网络,训练出网络模型;最后对温度遥测数据做中长期预测(约4轨)。以某在轨卫星实际太阳能电池阵温度遥测数据作为实验数据。结果表明:本文提出的SE-TCN网络模型在评价指标上与传统TCN网络模型相比,平均绝对误差(MAE)降低了7.7%,均方根误差(RMSE)降低了5.2%,相关系数(R)提高了0.4%。当卫星入境时,该检测方法可根据预测值快速判断实时遥测数据是否发生异常。     

基于优化多尺度排列熵和卷积神经网络的滚动轴承故障诊断方法

针对滚动轴承故障分类中特征信号微弱、信号非线性和多尺度特征难提取的问题，提出基于优化多尺度排列熵（MPE）和卷积神经网络（CNN）的滚动轴承故障诊断方法:通过改进自适应噪声完备集合经验模式分解（ICEEMDAN）对轴承信号进行分解和重构，实现信号降噪；通过粒子群算法（PSO）对MPE进行优化，提出PSO-MPE特征提取方法，参数优化后的MPE能够提取更为关键的特征信息；将所得的排列熵输入到CNN中进行故障分类以及降维可视化分析。以凯斯西储大学开放轴承数据库样本为测试对象，将文章所提出的ICEEMDAN-PSO-MPE-CNN方法与ICEEMDAN-PSO-MPE-RNN、CEEMDAN-SVM、ICEEMDAN-PSO-MPE-SVM等方法进行纵向和横向对比分析，结果表明改进方法的分类准确率和效率更高，在T-SNE可视化下的分类效果更明显，能够实现滚动轴承故障的高精度和高效率检测。     

基于YOLOV3的改进目标检测识别算法

经过近几十年不断的研究和发展，红外目标检测识别在侦察、导弹制导等领域取得了卓越的成就和广泛的应用，亦成为当今的热门话题。为进一步提高模型的检测识别性能，提出一种基于YOLOV3改进的目标检测识别算法。首先，通过分析红外目标的检测特性，改进了原始算法的特征提取网络，融合KL-LOSS，在原网络预测目标位置的基础上，进一步预测了位置的准确度标准差，并结合Soft-NMS算法用于改善网络的检测准确度;其次，针对红外目标相对三通道彩色图像的特征量少的问题，在检测层前融合了SKNET模块，使网络更加关注目标的有用特征;最后，给出改进网络训练的新的损失函数及前向传播算法流程。实验结果表明:改进的KS-YOLO网络在目标域(实拍空中红外目标数据集)上的平均AP性能值要优于原来的YOLOV3网络2.4个百分点，预测时间比YOLOV3实用性更好、更快。     

基于卷积神经网络的局部图像特征描述符算法

为提升基于图像序列三维重建的速度,解决传统局部特征描述符算法提取速度慢的问题,设计了一种基于深度学习的局部特征描述符网络。利用特征描述符网络实现对图像特征点的特征提取,结合本文采用的欧氏距离匹配准则,实现了对不同图像间特征点的匹配。算法对MVS数据集进行了验证,实验结果表明:提出的局部特征描述符算法实现了对图像特征点特征的快速准确的提取、匹配,与传统特征描述符算法相比,特征提取时间缩短了50%以上,特征点的匹配时间缩短了60%以上。相对于本算法中复杂结构的特征描述符网络,结构简单的泛化性更好,可拓展到航天领域的三维重建中。     

基于堆栈自编码网络的铣刀磨损特征提取方法

针对传统切削数据人工提取的特征主观性和盲目性强、特征提取过程耗时且提取质量难以保证等问题,提出一种基于堆栈自编码网络(SAE)的切削信号数据特征提取方法,构建了由3个自动编码器(AE)组成的SAE网络。前一个AE无监督训练后得到隐藏层特征,作为下一个AE的输入,最后整体利用反向传播算法进行有监督微调,从而得到更优的特征表达。从基于SAE的数据重构性能分析和加工信号特征主成分分析2个层面,对切削信号特征提取的优劣进行评估。实例验证说明,相比于传统手工提取特征的方法,所提方法在压缩信号的特征提取方面表现出明显的优势,进一步说明了SAE特征提取的有效性。     

基于融合伽马变换全卷积神经网络的火星地貌分割方法

为了让火星巡视器在有限的寿命内能获得更多的科学产出，需要提高巡视器在火星表面的自主通过能力，而火星表面地貌类型是评估巡视器可通过性的重要信息。因此，提出了融合伽马变换的全卷积神经网络(FCN)火星表面地貌分割算法。首先，考虑对巡视器通过性的影响，确认地貌分类的类型，基于好奇号拍摄的火星地表图像Mars32K数据库，构建地貌分割数据集;其次，使用自适应伽马变换(AGT)对灰度单一的火星图像进行预处理，减弱了光照等因素干扰;最后，利用数据集训练一个FCN，以实现对火星表面地貌的分割预测。仿真结果表明:网络测试准确率达到83.03%，地形分割预测结果可靠，验证了方法的可行性。     

一种航天器锂离子电池寿命预测方法

针对锂离子电池的空间应用特性,根据在轨可测的锂离子电池放电终压,建立寿命预测模型(非平稳自回归模型,ARI模型);将加速因子引入ARI模型中,获得加速非平稳自回归(ND-ARI)模型,通过对放电终压的预测实现电池的寿命预测。利用低地球轨道(LEO)航天器锂离子电池长寿命模拟验证试验数据,分别以原始数据的前30%,50%,70%的训练数据作为模型预测的起始点,对预测方法进行验证。结果表明:在不同建模预测起始点下,ND-ARI模型得到的预测结果具有较高的精度,相对误差均小于0.60%。因此,ND-ARI模型可用于航天器锂离子电池的退化状态监测及寿命预测体系的构建。     

基于深度学习算法的极化合成孔径雷达通用分类器设计

地物分类是PolSAR(极化合成孔径雷达)的重要应用方向。传统算法需要基于特定数据人工选取特征和设计分类器,而深度学习算法能够自行从海量数据中提取层次化特征。在深度学习算法总结的基础上,结合深度学习和PolSAR大数据,提出了一种高效率、高精度的通用分类器设计方法。使用人工标记的数据训练CNN(深度卷积网络),自动化地进行特征学习和提取,并实现高精度的地物自动分类。在具有不同分辨率的机载和星载PolSAR数据上对通用分类器进行测试,都能快速、准确地分类。研究成果可快速将PolSAR数据转译为更直观的地物分类结果,对海量数据,特别是GF-3卫星PolSAR图像的利用有一定的辅助价值。     

一种基于间接健康因子的锂离子电池剩余使用寿命预测方法

针对锂离子电池实际运行过程中容量数据无法在线获取,退化特征存在局部再生现象,剩余使用寿命（RUL）无法通过单一模型准确预测的问题,提出一种基于间接健康因子（HI）的锂离子电池RUL预测方法。首先根据在线数据构建并筛选最优的HI,然后建立基于遗传算法优化的极限学习机（GA-ELM）关系模型,再通过变分模态分解（VMD）解耦间接HI各分量,并通过相关向量机（RVM）进行趋势跟踪与预测,最后将预测结果输入到GA-ELM关系模型中得到电池容量预测值。与NASA PCoE数据集的验证对比表明,文章所用方法在趋势预测和RUL预测结果上均优于其他对比方法,可以实现锂离子电池RUL的准确预测。     

Predictive Maintenance of Manned Spacecraft Through Remaining Useful Life Estimation Technique

Manned spacecraft pose challenges in terms of extremely high safety and reliability, and with the growth of system complexity and longer on-orbit operation time, the traditional management mode, such as monitoring the threshold of parameter passively, is difficult to meet the required safety standards. Predictive maintenance, which analyzes the system heath trend and estimates remaining useful life(RUL) to establish maintenance strategies ahead of time before failure occurs, is a new mode to approach maintenance tasks. Here, a predictive maintenance strategy for complex manned spacecraft is proposed based on the remaining useful life estimation technique. Firstly, a health index is established based on an abundance of telemetry data, reflecting the system's current health state. Secondly, we map the health index to the remaining useful life through system degradation modelling, taking into consideration both the system's stochastic deterioration and uncertainty. The maintenance and management strategies are then made based on the calculated distribution of RUL time. Finally, a case study on Chinese space station energy system predictive maintenance is presented.     

两种工程化的航天器用滚动轴承加速寿命试验方法

滚动轴承是航天器转动类产品的关键零部件,对其开展寿命和可靠性评估的重要方式之一是加速寿命试验。文章提出两种工程化的航天器用滚动轴承加速寿命试验方法,介绍在加速应力、加速模型、样本量、试验时间方面的选取思路和依据,以及模型参数的估计方法;以具体的航天型号产品为对象,进行这两种方法的算例对比分析。结果表明:鉴定性试验（方案1）成本低廉,操作难度较低,但只能给出定性结论;摸底性试验（方案2）能够提供寿命、可靠度等定量结果,但所需样本量较大,试验时间较长,试验成本较高,参数估计计算过程较复杂。     

基于BiSNet的航天发动机转子智能健康监控

航天发动机某部件转子健康监控,对检测发动机能否正常工作进而影响航天发射任务的成败至关重要。传统健康监控方法需要依赖经验和专业知识,在对故障机理深入理解后才能构建相应的健康监控模型。针对传统转子健康监控手段效率低、适应性差、过度依赖专家经验等不足,结合海量转子振动健康监控历史数据,提出并设计采用神经网络BiSNet的人工智能方法,对航天领域运载火箭发动机某部件转子的健康状态进行智能建模并完成监控。通过与传统监控手段和主流基准神经网络方式对照实验得出结论,基于历史数据驱动的神经网络BiSNet可为航天转子智能健康监控提供便捷准确的建模预测。     

火箭发动机涡轮泵故障检测及预测算法研究

涡轮泵作为液体火箭发动机的核心部件，恶劣的工作环境和极高的转速使其易发生组件断裂、烧蚀等问题。为了对液体火箭发动机的涡轮泵进行健康管理，提出针对某型液体火箭发动机涡轮泵的数据驱动故障检测、故障预测及健康状态评估方法。在某型液体火箭发动机试车数据集上，通过对涡轮泵轴、径、切向振动数据进行对应的时域、频域特征处理后，送入训练好的ResNet网络、自主设计的图像特征识别算法以及退化模式线性回归模型，分别实现了对该型液体火箭发动机涡轮泵的故障检测、预测及健康状态评估，具有较高的准确性。     

航天器机构固体润滑球轴承的加速寿命试验方法

给出了加速寿命试验的一般流程,论述了长寿命航天器机构固体润滑球轴承的恒定应力加速寿命试验方法,包括加速应力类型、加速模型、应力水平、试验环境、试验件数量、试验测试参数、失效判据、试验终止条件、数据处理等要素的确定原则和方法。针对某航天器天线指向机构固体润滑球轴承,给出了具体的加速寿命试验方案示例。     

航天发射塔回转平台滚动轴承状态检测方法与试验研究

研究航天发射塔回转平台特殊工况滚动轴承的状态检测与试验方法。提出应用冲击脉冲法（SPM方法）进行不解体检测的变参数对比试验和SPM方法检测指标筛选试验方案。针对某航天发射塔回转平台滚动轴承的实际运行状况和使用维修记录，对该塔66个回转平台滚动轴承进行了现场检测试验和综合分析评判。成功地解决了该塔超低速、大负荷、变速、欠润滑运转回转平台滚动轴承的状态检测问题，充分发挥了现役轴承的使用寿命．节约了大量的维修时间与维修费用。     

基于退化信息融合理论的可靠性预测研究

传统的可靠性评估方法一般基于失效寿命数据,而目前对于高可靠长寿命的电子产品,很难通过加速试验获得其失效寿命时间。为解决这一矛盾,将性能退化理论、信息融合技术与传统可靠性评估方法相结合,提出基于退化信息融合理论的可靠性预测的新方法,并应用某型雷达24V/2A稳压电源板的加速性能退化试验进行验证,结果表明方法用于高可靠长寿命电子产品的可靠性评估是正确有效的。     

On the contribution of space medicine in the public health care

With the beginning of space era, a new branch of medicine has arisen and has been developing along with human exploration of outer space. And even though space medicine mainly faces the same problems as traditional medicine--cosmonauts health care and their high efficiency--this branch, has its own features, associated with the unusual factors of space flight, of which weightlessness is the major one. During the development of manned cosmonautics (duration of a human stay in space has reached already 438 days), methods of cosmonauts medical support and monitoring of their condition have been developed, knowledge of human possibilities and methods of process of organism adaptation to various and frequently severe conditions of external environment have increased. All this led to the fact that nowadays space medicine can become useful for improvement of human health care not only in space but also on the Earth. Moreover, the problem of implementation of cosmonautics achievements, and in particular of space medicine, in practice of public health care presents one of the most important issues concerning human health care. It is also connected with public opinion which is more and more concerned about the efficiency of significant expenses on space activities, especially lately. People often are set by the questions: what has space given, what fruits has space research provided to mankind, which results of this research can be used on the Earth already today for improvement of their life, for discussion of many difficult earthly problems? In terms of using cosmonautics possibilities, its achievements for health care and treatment, it is possible to define a few branches, in which purposeful studies are carried out.